A pesquisa foi desencadeada pela pandemia e começou a construir uma ferramenta de IA para prever quanto oxigaªnio extra um paciente COVID-19 pode precisar nos primeiros dias de atendimento hospitalar, usando dados de quatro continentes. 

A técnica, conhecida como aprendizagem federada, usava um algoritmo para analisar radiografias de ta³rax e dados eletra´nicos de saúde de pacientes hospitalares com sintomas de COVID-19. 

Para manter a estrita confidencialidade do paciente, os dados do paciente foram totalmente ana´nimos e um algoritmo foi enviado a cada hospital para que nenhum dado fosse compartilhado ou saa­sse de sua localização.  

Depois que o algoritmo "aprendeu" com os dados, a análise foi reunida para construir uma ferramenta de IA que pudesse prever as necessidades de oxigaªnio dos pacientes do hospital COVID-19 em qualquer lugar do mundo.

Publicado hoje na Nature Medicine , o estudo denominado EXAM (para EMR CXR AI Model), éum dos maiores e mais diversos estudos clínicos de aprendizagem federada atéhoje. 

Para verificar a precisão do EXAME, ele foi testado em vários hospitais em cinco continentes, incluindo o Hospital de Addenbrooke. Os resultados mostraram que previu o oxigaªnio necessa¡rio dentro de 24 horas da chegada de um paciente no departamento de emergaªncia, com uma sensibilidade de 95 por cento e uma especificidade de mais de 88 por cento. 

“A aprendizagem federada tem um poder transformador para trazer inovação em IA para o fluxo de trabalho cla­nico”, disse a professora Fiona Gilbert, que liderou o estudo em Cambridge e éradiologista consultora honora¡ria no Hospital Addenbrooke e cadeira de radiologia na Escola de Medicina Cla­nica da Universidade de Cambridge. 

“Nosso trabalho conta­nuo com EXAM demonstra que esses tipos de colaborações globais são repeta­veis e mais eficientes, para que possamos atender a s necessidades dos médicos para enfrentar desafios de saúde complexos e epidemias futuras.”

O primeiro autor do estudo, Dr. Ittai Dayan, do Mass General Bingham nos Estados Unidos, onde o algoritmo EXAM foi desenvolvido, disse:

“Normalmente, no desenvolvimento de IA, quando vocêcria um algoritmo nos dados de um hospital, ele não funciona bem em nenhum outro hospital. Ao desenvolver o modelo EXAM usando aprendizado federado e dados multimodais objetivos de diferentes continentes, fomos capazes de construir um modelo generaliza¡vel que pode ajudar os médicos de linha de frente em todo o mundo ”.

Reunindo colaboradores nas Amanãricas do Norte e do Sul, Europa e asia, o estudo EXAM levou apenas duas semanas de 'aprendizado' de IA para atingir previsaµes de alta qualidade.

“O Aprendizado Federado permitiu que os pesquisadores colaborassem e definissem um novo padrãopara o que podemos fazer globalmente, usando o poder da IA”, disse a Dra. Mona G Flores, Diretora Global de IA Manãdica da NVIDIA. “Isso avana§ara¡ a IA não apenas para a saúde, mas em todos os setores que buscam construir modelos robustos sem sacrificar a privacidade.”

Os resultados de cerca de 10.000 pacientes COVID-19 de todo o mundo foram analisados ​​no estudo, incluindo 250 que vieram ao Hospital de Addenbrooke na primeira onda da pandemia em mara§o / abril de 2020. 

A pesquisa foi apoiada pelo Instituto Nacional de Pesquisa em Saúde (NIHR) Cambridge Biomedical Research Center (BRC). 

O trabalho no modelo EXAM continuou. O Mass General Brigham e o NIHR Cambridge BRC estãotrabalhando com a startup Rhino Health da NVIDIA Inception, cofundada pelo Dr. Dayan, para realizar estudos prospectivos usando o EXAM. 

O professor Gilbert acrescentou: “Criar um software que corresponda ao desempenho de nossos melhores radiologistas écomplexo, mas uma aspiração verdadeiramente transformadora. Quanto mais pudermos integrar com segurança dados de diferentes fontes usando aprendizado e colaboração federados e tiver o espaço necessa¡rio para inovar, mais rápido os acadaªmicos podem tornar essas metas transformadoras uma realidade. ”